基于矢量非高斯HMT模型的图像水印方法技术

本发明专利技术公开一种基于矢量非高斯HMT模型的图像水印方法，首先通过对原始图像的UDWT域奇异值进行修改来实现水印的嵌入，然后对利用乘性嵌入方式修改的奇异值进行重构及UDWT逆变换，得到含水印图像；然后，考虑了奇异值的尺度间，方向间和子带内的相关性建立了矢量Laplace

【技术实现步骤摘要】
基于矢量非高斯HMT模型的图像水印方法


[0001]本专利技术涉及信息隐藏与数字水印
，具体为一种基于统计模型的数字图像水印方法。

技术介绍

[0002]当今时代，通信技术和网络技术的发展日趋成熟，与此同时，一些安全隐患逐渐凸显。多媒体信息安全问题作为现阶段亟待解决的难题之一，受到了社会各界的广泛关注。数字水印技术是多媒体信息安全领域的一个研究热点，数字图像水印技术已经成为图像作品版权保护的关键技术。因此，众多研究者正致力于数字图像水印的研究。
[0003]数字图像水印技术首先将数字水印信息通过嵌入策略隐藏到图像中，之后，在必要时，通过检测隐藏的水印信息来证明图像的所有权归属，从而达到保护图像的产权的目的。实践证明，数字图像水印技术为图像的版权保护提供了有效的解决方案，但是鲁棒性、不可感知性和水印容量之间的平衡问题仍然难以攻克。
[0004]基于统计分析的盲水印检测方法为上述平衡问题提供了新思路。基于统计分析的盲水印检测方法分为两种：检测是否含有水印的检测方法、检测具体水印位的检测方法，很明显后者更有实用意义。但目前已有的统计模型盲水印方法仍存在很多不足：第一，现有的建模对象通常在不可感知性与鲁棒性之间未能达到良好平衡；第二，大多统计建模方案默认系数间是独立的，并未充分考虑相关性；第三，传统参数估计方法不能完全保证参数估计的精确度，且大多方法时间复杂度过高。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
[0007]基于矢量非高斯HMT模型的图像水印方法，其过程包含水印嵌入和提取，
[0008]约定：A代表原始图像，N
×
N表示原始图像尺寸；B3代表第三尺度高频子带中奇异值能量最大的子带；x代表横坐标；y代表纵坐标；w
k
表示第k个取值为{
‑
1,+1}的二进制水印位；L表示水印位长度；x
i
表示原始图像的UDWT域奇异值，i代表奇异值节点索引；α表示嵌入强度；y
i
代表含水印图像的UDWT域奇异值；A
′
代表含水印图像；B3′
代表含水印的第三尺度奇异值能量最大子带；表示每个尺度下不同方向子带同一位置奇异值向量，j代表子带方向索引；表示矢量拉普拉斯分布权值占比；表示矢量柯西分布权值占比；μ
i
表示矢量拉普拉斯分布的位置参数；表示矢量拉普拉斯分布的协方差矩阵；δ
i
表示矢量柯西分布的位置参数；表示矢量柯西分布的协方差矩阵；D
k
代表第k个高熵块；
[0009]所述水印嵌入过程如下：
[0010]S1：初始设置：
[0011]输入原始图像A和变量初始值；
[0012]S2：水印嵌入：
[0013]S2.1：UDWT变换
[0014]将原始图像进行UDWT三级变换，变换后得到1个低频子带、每个尺度垂直、水平、对角三个方向高频子带；
[0015]S2.2：能量最大子带的选取：
[0016]选择B3进行水印嵌入，能量计算方式为：
[0017][0018]其中，D
j
[x,y]为第j方向子带的UDWT域奇异值；
[0019]S2.3：高熵块的选取：
[0020]将子带B3平均分成N
b
×
N
b
个大小为的无重叠块。对N
b
×
N
b
个块进行奇异值分解，然后按高熵排序选取熵值最高的L个块，并记录其位置信息；
[0021]S2.4：乘性线性嵌入：
[0022]令表示第k个高熵块的UDWT域奇异值集合；
[0023]W＝[w1,w2,...,w
L
]为随机生成的二进制水印序列，其取值为1或
‑
1，值得注意的是，同一块内奇异值嵌入相同的水印位。所以我们可以通过乘性嵌入得到第k个高熵块含水印奇异值的集合每个含水印奇异值y
i
通过如下乘性嵌入方式得到：
[0024]y
i
＝(1+αw
k
)x
i y
i
∈Y
k
，
[0025]其中，k＝1,2,...,L，x
i
为第k个高熵块中第i个奇异值；
[0026]S2.5：重构图像：
[0027]将奇异值矩阵重构得到子带B3′
，用B3′
替换B3后进行逆UDWT变换，从而得到含水印图像A
′
；
[0028]所述水印提取过程如下：
[0029]S3：矢量非高斯HMT模型统计建模：
[0030]S3.1：UDWT变换：
[0031]将含水印图像A
′
进行UDWT三级变换，得到1个低频子带、每个尺度垂直、水平、对角三个方向高频子带；
[0032]S3.2：矢量Cauchy
‑
Laplace Mixture HMT模型统计建模：
[0033]把各个尺度所有高频子带奇异值按嵌入流程中的分块方式进行分块，然后构造矢
量Cauchy
‑
Laplace Mixture HMT模型对所有奇异值建模，矢量Cauchy
‑
Laplace Mixture HMT的概率密度函数f可表示为：
[0034][0035]其中，
[0036][0037][0038]S3.3：参数估计：
[0039]应用SEM和上向下向相结合的算法估计出参数μ
i
,δ
i
,将估计出的参数值作为待处理参数的估计值；
[0040]S4：构造最大似然解码器：
[0041]S4.1：对A
′
进行UDWT三级分解，产生1个低频子带、每个尺度垂直、水平、对角三个方向高频子带；
[0042]S4.2：选择尺度三高频子带中奇异值能量最大的子带，找到与嵌入水印相同位置的L个高熵块奇异值，并通过二元假设检验方法构造水印解码器；
[0043]S4.3：设H1，H0分别表示嵌入水印位是“1”和
“‑
1”两种情况下的假设，则其表达形式如下：
[0044]H1:y
i
＝(1+α)x
i
,w
k
＝1
[0045]H0:y
i
＝(1
‑
α)x
i
，w
k
＝
‑
1；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于矢量非高斯HMT模型的图像水印方法，其过程包含水印嵌入和提取，其特征在于：约定：A代表原始图像，N
×
N表示原始图像尺寸；B3代表第三尺度高频子带中奇异值能量最大的子带；x代表横坐标；y代表纵坐标；w
k
表示第k个取值为{
‑
1,+1}的二进制水印位；L表示水印位长度；x
i
表示原始图像的UDWT域奇异值，i代表奇异值节点索引；α表示嵌入强度；y
i
代表含水印图像的UDWT域奇异值；A
′
代表含水印图像；B
′3代表含水印的第三尺度奇异值能量最大子带；表示每个尺度下不同方向子带同一位置奇异值向量，j代表子带方向索引；表示矢量拉普拉斯分布权值占比；表示矢量柯西分布权值占比；μ
i
表示矢量拉普拉斯分布的位置参数；表示矢量拉普拉斯分布的协方差矩阵；δ
i
表示矢量柯西分布的位置参数；表示矢量柯西分布的协方差矩阵；D
k
代表第k个高熵块；所述水印嵌入过程如下：S1：初始设置：输入原始图像A和变量初始值；S2：水印嵌入：S2.1：UDWT变换将原始图像进行UDWT三级变换，变换后得到1个低频子带、每个尺度垂直、水平、对角三个方向高频子带；S2.2：能量最大子带的选取：选择B3进行水印嵌入，能量计算方式为：其中，D
j
[x,y]为第j方向子带的UDWT域奇异值；S2.3：高熵块的选取：将子带B3平均分成N
b
×
N
b
个大小为的无重叠块。对N
b
×
N
b
个块进行奇异值分解，然后按高熵排序选取熵值最高的L个块，并记录其位置信息；S2.4：乘性线性嵌入：令表示第k个高熵块的UDWT域奇异值集合；W＝[w1,w2,...,w
L
]为随机生成的二进制水印序列，其取值为1或
‑
1，值得注意的是，同一块内奇异值嵌入相同的水印位。所以我们可以通过乘性嵌入得到第k个高熵块含水印奇异值的集合每个含水印奇异值y
i
...

【专利技术属性】
技术研发人员：牛盼盼，韦桐桐，王向阳，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：